Скачать 133.39 Kb.
|
Всероссийский Заочный Финансово-Экономический ИнститутКонтрольная работа по дисциплине «Эконометрика»Вариант №10 Преподаватель: Гармаш А.Н. Москва, 2006 г. Задача 1По предприятиям легкой промышленности региона получена информация, характеризующая зависимость объема выпуска продукции (Y, млн. руб.) от объема капиталовложений (X, млн. руб.). Требуется:
Привести графики построенных уравнений регрессии.
Данные для расчетов представлены в таблице 1. ![]() Решение: 1. Найти параметры уравнения линейной регрессии, дать экономическую оценку коэффициента регрессии. Уравнение (модель) линейной регрессии имеет вид: ![]() Параметры a и b можно оценить методом наименьших квадратов. Для автоматизации расчетов используем программу РЕГРЕССИЯ статистического пакета «Анализ данных» MS Excel (Приложение 1). Полученные коэффициенты a и b запишем в уравнение линейной регрессии: ![]() Коэффициент регрессии b=1,381 показывает, что с увеличением объема капиталовложений X на 1 млн. руб. объем выпуска продукции Y в среднем увеличится на 1,381 млн. руб. ^ Остатки рассчитываются по формуле: ![]() В данной задаче остатки рассчитаны в таблице MS Excel (Приложение 2). Остаточная сумма квадратов определяется с помощью функции СУММКВ. ![]() Дисперсия остатков вычисляется с помощью функции ДИСП = 1,62 (Приложение 3). Для построения графика остатков используется Мастер диаграмм (Приложение 4). ^ Для оценки адекватности модели исследуют остатки ![]() Исследование остатков предполагает проверку наличия у них следующих пяти свойств (предпосылок МНК): а. Нулевая (или близкая к ней) средняя величина остатка. б. Случайность характера остатка. в. Независимость (отсутствие автокорреляции) остатков. г. Соответствие ряда остатков нормальному закону распределения. д. Гомоскедастичность (постоянство) дисперсии остатков. А. Для вычисления среднего значения остатка используем функцию СРЗНАЧ (Приложение 5). В данной задаче ![]() Б. Для проверки случайности остатков используем критерий поворотных точек. Анализируя построенный график остатков делаем вывод, что в этой задаче число поворотных точек р=8. В случайном ряду чисел должно выполняться строгое неравенство: ![]() В нашем случае p=8 ![]() В. При проверке независимости (отсутствия автокорреляции) используется коэффициент автокорреляции ![]() Для расчета автокорреляции используется стандартная функция КОРРЕЛ(С25-С33;С26-С34)= -0,5349 (Приложение 6). Оценим значимость полученного коэффициента автокорреляции с использованием t-критерия: Расчетное значение t-критерия: ![]() Табличное значение t-статистики определяется с помощью функции СТЬЮДРАСПОБР(0,05;8)=2,306 (Приложение 7). Поскольку расчетное значение t-критерия меньше табличного, то коэффициент автокорреляции незначим, т.е. остатки не автокоррелированы. Свойства независимости остатков выполняется. Модель в целом адекватна. Г. Соответствие ряда остатков нормальному закону распределения определяется при помощи R/S-критерия. ![]() Полученное значение этого критерия попадает между табулированными границами (2,67-3,57) с заданным уровнем значимости ( ![]() Д. Чтобы оценить нарушение гомоскедастичности по тесту Гольдфельда-Кванта необходимо выполнить следующие шаги:
Выполнив в Excel функцию РЕГРЕССИЯ для каждой группы получим уравнения регрессии: ![]()
![]() Значение F-расчетного меньше F-табличного, что свидетельствует о том, что гетероскедастичность не обнаружена и, следовательно, выполняются свойства гомоскедастичности остатков. ^ Построенная модель является адекватной реальному процессу, её можно использовать для построения прогнозных оценок. 4. Осуществить проверку значимости параметров уравнения регрессии с помощью t-критерия Стьюдента ( ![]() Для оценки статистической значимости параметров полученной модели используем t-критерий. Расчетное значение t-статистики определяется по формулам (Приложение 11): ![]() ![]() Табличное значение t-критерия можно определить с помощью функции СТЬЮДРАСПОБР(0,05;8)=2,306 (Приложение 12). Поскольку ![]() ![]() 5. Вычислить коэффициент детерминации, проверить значимость уравнения регрессии с помощью F-критерия Фишера ( ![]() Коэффициент детерминации ![]() ![]() Таким образом, все вариации в объеме выпуска продукции Y на 99,3% обусловлены вариацией в объеме капиталовложений X, т.е. изменениями в факторе X, учтенном в модели. Соответственно, все изменения в Y на 0,7 % обусловлены изменениями факторов, неучтенных в модели. Оценка значимости уравнения регрессии проводится с помощью F-критерия. Расчетное значение F-критерия в нашем случае определяется по формуле: ![]() Табличное значение F-критерия определяется с помощью функции FРАСП (Приложение 14). ![]() Поскольку расчетное значение F-критерия Фишера больше табличного, то уравнение регрессии признается значимым, соответствующим фактическим данным. Находим среднюю относительную ошибку аппроксимации (Приложение 15): ![]() Таким образом, модельные значения ![]() 6. Осуществить прогнозирование среднего значения показателя Y при уровне значимости ![]() Х прогн=44*0,8=35,2 Y прогн=5,431+1,381*35,2=54,05 Коэффициент Стьюдента ![]() ![]() Отклонение от линии регрессии рассчитывается по формуле: ![]() Вычислив величину отклонения от линии регрессии можно найти доверительный интервал, в котором ожидается появление прогнозируемого среднего значения Y=54,05: границы задаются интервалом ![]() Расчет произведен при использовании MS Excel (Приложение 16). ^ Строим график «Линейная регрессия»: скопируем в лист с вычислениями прогнозируемых значений график подбора с листа «Регрессия Y». Соединим точки графика отрезками (активировать курсором точки – тип данных – отрезки). Переименовываем график подбора в «Линейную регрессию». К существующим данным добавляем новые (Исходные данные – Ряд – Добавить): для точечного прогноза, нижней и верхней границ прогноза, указывая соответствующие данные (Приложение 17). ^ а) гиперболическая Модель гиперболической регрессии имеет вид: ![]() Приведем эту модель к линейному виду осуществив замену переменных: ![]() ![]() ![]() Т.е. модель гиперболической регрессии имеет вид ![]() Построим вспомогательные таблицы и с помощью Мастера диаграмм построим модель гиперболической регрессии в MS Excel. ![]() б) степенная Модель степенной регрессии имеет вид: ![]() Осуществим линеализацию модели. Прологарифмируем уравнение, получим ![]() ![]() ![]() С помощью функции MS Excel составим дополнительные таблицы для расчета и используем функцию РЕГРЕССИЯ для нахождения параметров a и b. Получим А=0,376, a=2,377, b=0,879 и, следовательно, модель степенной регрессии вида ![]() Найдем теоретическое значение y, построим график степенной регрессии при использовании функции Мастер диаграмм. ![]() в) показательная Уравнение показательной кривой ![]() Линеализируем переменные: ![]() ![]() ![]() Найдем значение Y=lg y, с помощью функции РЕГРЕССИЯ найдем параметры А=1,2404, В=0,0135. Тогда модель показательной регрессии примет вид ![]() Найдем теоретическое значение y, построим график степенной регрессии при использовании функции Мастер диаграмм. ![]() ^ а) гиперболическая Рассчитаем характеристики точности модели (Приложение 18). Индекс детерминации: ![]() Таким образом, все вариации в объеме выпуска продукции Y на 93,67% обусловлены вариацией в объеме капиталовложений X, т.е. изменениями в факторе X, учтенном в модели. Соответственно, все изменения в Y на 6,33% обусловлены изменениями факторов, неучтенных в модели. Средняя относительная ошибка аппроксимации: ![]() Таким образом, модельные значения ![]() б) степенная Рассчитаем характеристики точности модели (Приложение 19). Индекс детерминации: ![]() Таким образом, все вариации в объеме выпуска продукции Y на 99,4% обусловлены вариацией в объеме капиталовложений X, т.е. изменениями в факторе X, учтенном в модели. Соответственно, все изменения в Y на 0,6% обусловлены изменениями факторов, неучтенных в модели. Средняя относительная ошибка аппроксимации: ![]() Таким образом, модельные значения ![]() в) показательная Рассчитаем характеристики точности модели (Приложение 20). Индекс детерминации: ![]() Таким образом, все вариации в объеме выпуска продукции Y на 94,2% обусловлены вариацией в объеме капиталовложений X, т.е. изменениями в факторе X, учтенном в модели. Соответственно, все изменения в Y на 5,8% обусловлены изменениями факторов, неучтенных в модели. Средняя относительная ошибка аппроксимации: ![]() Таким образом, модельные значения ![]() |
![]() | Она позволяет оперативно строить математические модели экономических процессов, по которым можно спрогнозировать, как будут изменяться... | ![]() | По предприятиям легкой промышленности региона получена информация, характеризующая зависимость объема выпускаемой продукции (Y, млн... |
![]() | В таблице 1 представлены данные о средней ожидаемой продолжительности жизни от нескольких факторов по данным за 1995 г | ![]() | Контрольная работа по дисциплине «Бизнес-планирование» для студентов заочной формы обучения |
![]() | Контрольная работа выполнялась на пк с использованием системы «1С: Бухгалтерия 0» | ![]() | Номер варианта контрольной работы определяется преподавателем. Контрольная работа выполняется в виде реферата объемом 10-15 машинописных... |
![]() | По предприятиям легкой промышленности региона получена информация, характеризующая зависимость объема выпускаемой продукции (Y, млн... | ![]() | |
![]() | ![]() | Контрольная работа выполняется по вариантам. Вариант контрольной работы выбирается в соответствии с порядковым номером студента в... |